Modeling of Atom Transfer Radical Polymerization with Bifunctional Initiators: Diffusion Effects and Case Studies
Notice bibliographique
Résumé
Abstract Summary: A mathematical model for atom transfer radical polymerization (ATRP) with bifunctional initiators was developed. The model was validated with three case studies in bulk and solution polymerization. We used only polymer yield data to estimate some of the model parameters, while others were obtained from the literature. The model fits the polymer yield data and also predicts weight‐average molecular weights and polydispersities very well. The free volume theory was also incorporated to the model to study the effect of diffusion‐controlled reactions. The adjustable parameters in the free volume theory for the termination, propagation, activation, and deactivation reactions were varied to show the effect on monomer conversion, polymer chain length, and polydispersity. The model shows that diffusion‐limited termination reactions produce polymer with smaller polydispersities, while diffusion‐limited propagation reactions have the opposite effect. Both models, considering and neglecting diffusion effects on the kinetic rate constants, were compared with experimental data. Even though the model predictions for monomer conversion, number‐average molecular weight, and polydispersity are good in both cases, the simulations indicate that diffusion‐controlled reactions can be ignored for the cases studied in the three case studies described in this paper. Comparison between model predictions and experimental data for BA polymerization of number‐average molecular weight in bulk at 90 °C. magnified image Comparison between model predictions and experimental data for BA polymerization of number‐average molecular weight in bulk at 90 °C.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».